Google: Veo 3.1 Lite

Veo 3.1 Lite adalah anggota Lite Google dalam lini generasi video Veo 3. Model menyintesis video dengan audio dari deskripsi bahasa alami atau gambar masukan. Keluarannya adalah klip yang dihasilkan, bukan analisis teks atas rekaman yang sudah ada. Kartu model Lite pembuat merujuk Veo 3 untuk arsitektur dasar, materi pelatihan, dan keterbatasan yang diketahui, sementara dokumentasi khusus Lite menetapkan fitur serta batas generasinya sendiri.

Arsitektur yang dirujuk menggunakan difusi laten pada representasi audio temporal dan representasi video spasial-temporal. Model dasar dilatih pada audio, video, dan gambar, dengan keterangan pada berbagai tingkat detail, serta materi pelatihan yang disaring dan dideduplikasi. Ini menjelaskan tujuan generasi visual dan audio terpadu. Hal itu tidak mengungkap jumlah parameter khusus Lite atau membuktikan bahwa setiap gerakan yang dihasilkan mengikuti kenyataan fisik. Untuk adegan praktis, tentukan aksi terlihat dan suara yang menyertainya bersama-sama.

Dokumentasi Lite yang tepat menetapkan batas masukan teks 1.024 token dan satu video keluaran. Kolom Lite dalam panduan generasi mencantumkan durasi 4, 6, dan 8 detik, dengan 720p sebagai bawaan dan 1080p memerlukan klip 8 detik. Lanskap 16:9 merupakan rasio aspek bawaan dan potret 9:16 juga tercantum; keluaran didokumentasikan pada 24 bingkai per detik. Audio bawaan selalu aktif dalam alur tersebut. Nilai-nilai ini milik alur Lite bernama produsen, bukan edisi Veo yang tidak berkaitan atau respons aplikasi yang diukur terpisah.

Lite tidak mendukung keluaran 4K atau perpanjangan video. Tabel parameter juga menandai fitur multireferensi referenceImages dan masukan video untuk perpanjangan sebagai tidak tersedia dalam kolom Lite. Gambar awal dapat menetapkan bingkai awal; tabel mencantumkan gambar lastFrame bersama gambar awal itu untuk transisi. Pisahkan jalur kendali bingkai ini dari pencampuran beberapa referensi gaya atau subjek. Pengaturan generasi orang milik produsen bergantung pada mode: tabel Lite mencantumkan allow_all untuk teks ke video dan allow_adult untuk gambar ke video serta interpolasi, sementara aturan regional dapat lebih membatasi profil yang didokumentasikan tersebut. Pilih gambar awal sesuai adegan pertama yang benar-benar diinginkan, dengan subjek, pembingkaian, dan detail terlihat sudah disiapkan sebelum meminta gerakan.

Untuk teks ke video, jelaskan subjek, aksinya, lingkungan, dan gaya yang dimaksud. Tambahkan posisi dan gerakan kamera, pembingkaian, fokus, serta cahaya bila penting. Adegan produk orisinal dapat mempertahankan objek di tengah sementara kamera mendekati satu detail material dan cahaya sekeliling berubah lembut. Tentukan keadaan awal, aksi utama, dan momen akhir agar klip pendek menyelesaikan satu gagasan padu. Kumpulan panjang aksi yang tidak berkaitan merupakan tugas berbeda dari shot terarah.

Untuk gambar ke video, berikan bingkai awal yang jelas dan jelaskan apa yang harus bergerak serta tetap stabil. Tentukan gerakan subjek dan gerakan kamera secara terpisah. Jika menggunakan batasan bingkai akhir, siapkan komposisi akhir yang selaras dan jelaskan transisi di antaranya. Periksa hasil, alih-alih menganggap identitas, posisi, atau bentuk yang diminta tetap identik sepanjang klip. Kartu model yang dirujuk menyebut konsistensi penuh dalam adegan kompleks dan gerakan kompleks sebagai tantangan yang masih berlangsung.

Panduan prompt mendukung petunjuk eksplisit untuk dialog, efek suara, dan ambience. Letakkan ucapan persis dalam tanda kutip, tentukan pembicara, dan jelaskan suara dalam kaitannya dengan aksi terlihat. Efek suara dan suasana latar tidak boleh disamakan dengan dialog lisan. Bahasa Inggris didokumentasikan sebagai didukung penuh untuk prompt, sementara bahasa lain belum dievaluasi dalam panduan itu. Tinjau kata-kata terdengar, waktu, dan kualitas suara sebagai bagian dari artefak yang sama dengan video, alih-alih memperlakukan audio sebagai transkrip prompt yang dijamin setia.

Alur produsen bersifat asinkron: permintaan generasi mengembalikan operasi, dan hasil selesai diperoleh setelah statusnya melaporkan penyelesaian. Simpan identitas operasi dan periksa klip yang dikembalikan. Panduan menjelaskan retensi dua hari di sisi produsen dan penandaan SynthID, sehingga artefak yang disimpan harus mencakup hasil unduhan, prompt, gambar sumber, dan pengaturan pilihan. Seed dapat meningkatkan keterulangan tetapi tidak menjamin determinisme. Periksa kesinambungan subjek, aksi, pembingkaian, suara, dan titik akhir adegan sebelum menggunakan klip dalam suntingan; penyelesaian pemrosesan saja tidak membuktikan persyaratan kreatif terpenuhi.